AI创造营 今日: 0|主题: 234|排名: 11 

做应用真的会上瘾啊！ 亲手把自己想要的东西做出来的感觉太好了！ MarkX 昨天发布的时候还是0.2.2版本，现在已经更新到0.2.6版本了，已经build62次了。 还抽空增加了产品页面访问数据统计和安装小下载次数统计埋点，越来越像那么回事了！ 今天晚一点录个使用视频，就算齐活了，然后就是下一个大版本的迭代和更新了~ ...

谷歌发布了其第三代时序预测模型：TimesFM-3， 一个预测未来的AI模型，TimesFM系首次原生支持多变量预测 在TimesFM-2.5及之前只能单变量预测，看一条曲线的历史做预测，TimesFM-3学会了同时看多条相关曲线+已知未来事件预测，零样本，整个预测区间一次前向传播算完 比如预测冰淇淋销量，3.0版可以同时看冰淇淋的历史销量 ...

几百页的 PDF 直接丢给 AI，最大的坑就是：前面认真读，后面开始糊弄，最后总结全靠猜。 推荐一个开源项目 AI-reads-books，它干脆换了个“笨办法”：让 AI 真正一页一页把书读完。 每读一页就提取知识点存进本地知识库，读到一定页数再生成阶段总结，等整本书全部读完，最后把前面的知识和阶段总结串起来，生成完整总结 ...

使用 ShellGPT 实现 AI 赋能的 Nmap 详细指南 🔥 Telegram：https://t.me/hackinarticles ✴ Twitter：https://x.com/hackinarticles ShellGPT 将 AI 的强大功能直接引入您的终端，让您能够生成 Nmap 命令、自动化侦察任务，并使用自然语言提示简化复杂的命令行操作。 📚 本指南内容简介 🤖 ShellGPT 和 AI 辅助渗透测 ...

“我的大脑只是一个接收器，宇宙中存在一个核心，我们从中汲取知识、力量和灵感。我尚未洞悉这个核心的奥秘，但我知道它的存在。” ——尼古拉·特斯拉

这次苹果可谓是铁了心要保持领先地位，发布了一套名为 coreai-models 的完整工具包，完全开源且无任何限制——功能真正全面。有了它，HuggingFace 上的几乎所有模型都可以导出并在 iPhone、iPad 或 Mac 上原生运行，无需任何云端操作。 三大亮点： 1️⃣ 100% 基于苹果自研的神经网络引擎运行，因此它最了解如何平衡性能 ...

最近在啃《机器学习入门》这门课，学习体验真的没得说！ 界面设计特别贴心，左边同步播视频，右边滚动显示字幕，学习效率直接翻倍。 不管你是想系统性地自学硬核知识、给履历加点料，还是单纯出于兴趣想充实自己，这个平台都算得上是个宝藏库。错过了确实可惜。 🔗https://openlearninglibrary.mit.edu/courses/course-v1 ...

arxiv.org/abs/2608.17981 循环变换器在下一步会将顶层激活值注入到底层（https://arxiv.org/abs/2608.08888）。为什么无需训练就能实现？

[AI]《Physics of Agents: Statistical Mechanics Predicts Collective Behavior of AI Agents》B El, J Paeng, F Dinc, S Su… [Stanford University & UC Santa Barbara] (2026) 在AI多智能体领域，其群体行为的涌现动力学是一个悬而未决的难题。过去的方法受困于大规模模拟或事后归纳，本质原因是缺乏能从个体交互推演 ...

“磁悬浮：滑动循环记忆” Transformer 模型要么需要耗费大量精力来保存完整的历史信息，要么可以使用滑动窗口，虽然效率高但会遗忘窗口外的信息。 本文旨在将遗忘的历史信息循环利用。为此，他们使用了一个更强大的预填充器，可以并行创建记忆目标；以及一个滑动窗口 Transformer 模型，该模型能够学习如何重现这些记忆 ...

最近经常有人问，人工智能发展到现在这样，还有没有必要转行学编程？ 我的看法是，如果你本身具有一定天赋，或者写代码这件事情不会让你感到痛苦，那么可以考虑转码。因为这个行业未来并不是完全不需要人，只是它对人的要求变了。 很多行业外的人会觉得：“人工智能这么厉害，写代码不是分分钟的事情吗，那程序员是不是马 ...

已训练并发布 Krea-2 Depth ControlNet LoRA它能保持近乎完美的 3D 结构，同时允许你通过任意提示词（prompt）彻底改变图像内容。 与 Krea-2 Turbo 搭配使用效果极佳。 欢迎查看：Hugging Face：https://huggingface.co/Patil/Krea-2-depth-controlnetGitHub：https://github.com/Tanmaypatil123/Krea-2-controlnetHF Spa ...

#人工智能# “约束、记忆、上下文片段以及痛苦的教训 这是一份仍在完善中的思维记录，涉及我们如何使用和设计约束机制、其对长期积累的记忆所产生的影响，以及我们无法逃避的痛苦教训。这是第 30 版及以上的版本，HTML 图表帮助我逐步完善并调整思维模式，通过聊天大致“理解”并修改思维模型。” “约束与上下文片段 ...

[LG]《Neural Computers》M Zhuge, C Zhao, H Liu, Z Zhou… [Meta AI] (2026) 在计算机系统领域，计算、内存与 I/O 至今仍被拆分在三个独立模块中执行。现有 AI 代理依附外部运行环境，世界模型只预测动态，两者都无法让模型本身成为那台"正在运行的计算机"——这个角色的空缺，是问题的真实重量所在。 本文的核心洞见 ...

#人工智能# #智能时刻的观察# 📢 揭秘当今尖端AI系统是如何构建与运行的！🔥 这张“增强型人工智能产品栈”(Enhanced AI Product Stack)架构图，清晰展示了现代AI应用如何通过四个紧密协作的层级搭建而成：👇 1️⃣ 应用层(Application Layer) : - 直面用户的价值交付层！ - 包含： - 身份认证 (Authentication) ...

【从对话框到生产力引擎：深度拆解 Claude 的四个进化阶梯】 大多数人对 Claude 的认知仍停留在“更好用的聊天机器人”，但这仅仅是冰山一角。Anthropic 正在构建的不是一个问答工具，而是一套完整的数字劳动力体系。根据 Ruben Hassid 总结的“Claude 层次论”，我们可以将 AI 的应用深度分为四个阶段。 + 第一层：基础 ...

苹果公司证明，人工智能模型不会做数学题。不是高等数学，而是小学数学，那种10岁孩子都能解出来的数学题。 而他们证明这一点的方式令人震惊。 苹果的研究人员选取了人工智能领域最流行的数学基准测试——GSM8K（一套小学数学题）——并做了一个改动：他们交换了数字。题目相同，逻辑相同，步骤相同，只是数字不同。 所 ...

[IR]《Retrieval Augmented Conversational Recommendation with Reinforcement Learning》Z Yue, H Zhuang, Z Qin, Z He… [University of Illinois Urbana-Champaign & Google DeepMind] (2026) 在对话推荐领域，LLM 依赖预训练知识却无法感知新增电影，而现有语料库规模极小（仅约7k条目），使基于嵌入的检索几乎无法 ...

你有没有注意到，跟 AI 聊天时它有时候会说 “抱歉”，完成任务后还会表达满足感？这到底是单纯的模仿，还是背后有什么更深层的机制？ Anthropic 做了一项很有意思的研究，实验过程有点像 “AI 神经科学”。具体来说就是深入模型的神经网络内部，去看不同情境下哪些神经元会被激活。他们让模型阅读大量包含特定情绪的短篇 ...